1.一种基于卷积神经网络的云分类方法，基于Alexnet框架，其特征在于包括如下步骤：步骤1）删除Alexnet框架的conv_3层形成改进的Alexnet框架CloudNet模型；

步骤2）使用CloudNet对SWIMCAT数据集与自建的CCSN云图数据集进行训练；

步骤3）将尾迹云作为新的类别加入到已有的SWIMCAT 数据集和CCSN数据集；

步骤4）通过对SWIMCAT 数据集和CCSN数据集两个数据集中按照训练集与测试集设定的比例进行划分，在深度学习软件包caffe中通过多次训练调整参数，并通过CloudNet模型进行云分类。

2.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，步骤2）中在数据处理时使用数据增强的方法防止过拟合。

3.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，步骤4）在caffe训练过程中需要设置每次训练的数量、测试的数量以及是否开启镜像模式、裁剪的尺寸、学习率、学习率的计算、权值衰减的速率以及动量。

4.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，步骤2）在训练学习过程中，对模型可视化，不断优化网络结构和调整参数。

5.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，步骤4）中设定的比例为4:1。

6.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，CCSN数据集为从网上收集的不同区域不同时间段的共1110张特征明显的云图，经过仔细筛选，严格按照世界气象组织提供的标准划分为10类并统一处理为400*400像素。

7.根据权利要求1所述的基于卷积神经网络的云分类方法，其特征在于，SWIMACT数据集包含784张云的图像，分为5个明显的类别。